大海

小结数学学习过程中总结的文档

之前整理了一套文档生成、托管和发布流程，使用Sphinx完成工程文档的生成，使用Github完成文档的托管，使用Readthedocs完成文档的发布

在实践过程中发现整个流程都有或大或小的不足，尤其是Sphinx工具，最近学习了另外一个文档生成工具MkDocs，更加符合个人的需求

Iris数据集包含3个类别4个属性，共150个实例

德国信用卡数据（German Credit Data）提供了一个二分类数据集，下载地址 - statlog/german

对于分类问题，最开始想到的评判标准就是检测准确率（accuracy），即样本检测类别和实际一致的数量占整个样本集的比率。进一步研究发现，还可以用更精细的标准来比较检测性能，学习步骤如下：

1. 正样本和负样本
2. TP/FP/TN/FN
3. TPR/FPR/FDR/PPV/ACC
4. ROC/AUC

学习了PyTorch环境下的Tensorboard使用 - [PyTorch]Tensorboard可视化实现。PyTorch也提供了Tensorboard学习教程 - Visualizing Models, Data, and Training with TensorBoard

下面结合一个完整的训练过程，通过Tensorboard实现可视化

最新版本的PyTorch 1.3内置支持了Tensorboard，实现模型、数据以及训练可视化

之前识别测试最常用的是手写数字数据集MNIST，今天遇到一个新的基准数据集 - Fashion-MNIST

PyTorch通过TorchVision工具包提供统一的数据加载、数据处理的接口，允许自定义类的方式加载数据集，通过DataLoader接口来批量处理

原文地址：Writing Custom Datasets, DataLoaders and Transforms

相关实现：zjykzj/vocdev

简介

PASCAL VOC 2007数据集基于4个大类别，共包含了20个目标类：

• Person: person
• Animal: bird, cat, cow（奶牛）, dog, horse, sheep（绵羊）
• Vehicle（交通工具）: aeroplane（飞机）, bicycle, boat（小船）, bus（公共汽车）, car（轿车）, motorbike（摩托车）, train（火车）
• Indoor（室内）: bottle（瓶子）, chair（椅子）, dining table（餐桌）, potted plant（盆栽植物）, sofa, tv/monitor（电视/显示器）

PASCAL VOC 2007数据集主要用于分类/测试任务，同时也提供了分割和人体部件检测的数据。示例如下：

• 分类/测试示例
• 分割示例
• 人体部件检测示例